El tratamiento A tiene una tasa de éxito más alta que el tratamiento B en los casos leves, y también en los casos graves. Y sin embargo, cuando juntas los dos grupos en uno, el tratamiento B termina con la tasa de éxito total más alta. Suena imposible, pero de verdad ocurre: es la paradoja de Simpson.

Leves A 93% B 87% Graves A 73% B 69% Total A 78% B 83%
A va por delante tanto en los casos leves como en los graves por separado, pero B gana al juntarlos

Los números de arriba vienen de un famoso estudio real que comparó tratamientos para cálculos renales (Reino Unido, 1986). Separando casos leves y graves, el tratamiento A (cirugía abierta) siempre es mejor, pero como los dos grupos tienen cantidades de pacientes muy distintas, el resultado total se invierte al juntarlos.

¿Por qué pasa esto? La tasa de éxito total no es un promedio simple de las tasas de los dos grupos: es un promedio ponderado según cuántos pacientes había en cada grupo. El tratamiento A se usó en muchos más casos graves, que tienen una tasa de éxito más baja, mientras que el tratamiento B se usó en muchos más casos leves, que tienen una tasa de éxito más alta. Así, el promedio total de A se ve arrastrado hacia la baja tasa de éxito de los casos graves, y el promedio total de B sube hacia la alta tasa de éxito de los casos leves. Es decir, lo que invierte el orden total no es una diferencia en qué tan buenos son A y B en realidad, sino una diferencia en "a quién se trató más", una diferencia en la composición de la muestra. En estadística esto se llama el efecto de una "variable de confusión", y aquí la variable de confusión oculta es "qué tan grave era el caso del paciente".

Algo parecido pasó con los datos de admisión al posgrado de UC Berkeley en 1973. Si solo se miraba la tasa de admisión total, los hombres eran admitidos en mayor proporción que las mujeres, lo que hizo sospechar discriminación de género. Pero al separar los datos por departamento, las tasas de admisión de las mujeres eran más o menos iguales o incluso más altas en la mayoría de los departamentos. La causa era que las mujeres tendían a postularse más a departamentos populares y muy competitivos, con tasas de admisión más bajas en general.

La paradoja de Simpson debe su nombre a un artículo de 1951 del estadístico Edward Simpson, aunque en realidad Karl Pearson ya había señalado un fenómeno parecido en 1899. Hoy se sigue considerando una trampa a vigilar en todos los campos que trabajan con datos: medicina, educación, estadísticas deportivas, evaluación de políticas. Por eso, cada vez que mires estadísticas, es importante acostumbrarte a preguntar si hay algún subgrupo por el que convenga separar los datos, en lugar de confiar solo en el número total. En nuestra página de actividad puedes cambiar con botones entre las vistas de casos leves, graves y total para compararlas, y modificar tú mismo las proporciones de los grupos con un deslizador para ver exactamente cómo aparece y desaparece la paradoja.